DeepMinds KI erfindet einen besseren Weg zu lernen: Ein Durchbruch im Reinforcement Learning Forscher von DeepMind haben gezeigt, dass künstliche Intelligenz autonom Reinforcement Learning (RL) Algorithmen entdecken kann, die die sorgfältig von Menschen entwickelten übertreffen. Dieser Fortschritt stellt das traditionelle Paradigma in Frage, bei dem RL-Regeln manuell entworfen werden, und ebnet den Weg für Maschinen, die ihre eigenen Lernstrategien allein aus Erfahrung entwickeln. Die zentrale Innovation liegt im Meta-Reinforcement Learning, einer Technik, bei der ein KI-System lernt, *wie* man lernt, indem es aus den kollektiven Erfahrungen mehrerer Agenten schöpft, die sich in komplexen Umgebungen bewegen. Anstatt sich auf vordefinierte Regeln zu verlassen, verfeinert die KI iterativ eine neue Methode zur Aktualisierung von Politiken und Vorhersagen. Bei Tests auf dem klassischen Atari-Benchmark – einer Suite von Videospielen, die zur Bewertung der RL-Leistung verwendet wird – übertraf der entdeckte Algorithmus nicht nur die bestehenden, von Menschen entworfenen Regeln, sondern glänzte auch bei völlig neuen, herausfordernden Aufgaben, mit denen er während des Trainings nie konfrontiert wurde. Es handelt sich nicht um eine inkrementelle Verbesserung, sondern um einen konzeptionellen Wandel. KI könnte den Fortschritt in Bereichen beschleunigen, die adaptive Intelligenz erfordern, von Robotik bis hin zu wissenschaftlichen Entdeckungen. Durch die Automatisierung des Entdeckungsprozesses könnten wir bald KI-Systeme sehen, die ihre eigenen Fortschritte anstoßen, wodurch der Bedarf an menschlicher Intervention verringert wird und möglicherweise zu robusterer und generalisierbarer künstlicher Intelligenz führt. Papier: